摘" 要：為了研究不同交通流狀態(tài)下快速路入口匝道車輛匯入特性，采用無人機設備在200米高空對快速路入口合流區(qū)進行航拍，利用Tracker軟件提取入口匝道車輛匯入軌跡和運行參數(shù)。以入口匝道車輛換道持續(xù)時間、換道距離以及匯入位置作為其匯入特性表征指標進行分析。研究發(fā)現(xiàn)：入口匝道車輛換道持續(xù)時間和換道距離的均值分別為6.96s和80.17m；高峰時段和平峰時段的換道持續(xù)時間的均值分別為8.92s和5.94s，不同時段的換道時間均服從對數(shù)正態(tài)分布；不同交通流狀態(tài)下入口匝道車輛匯入主線的匯入位置存在明顯差異，平峰時段大部分入口匝道車輛在加速車道段均勻匯入，高峰時段入口匝道車輛主要集中在加速車道前端和漸變段匯入。

" 關鍵詞：快速路；入口匝道；換道持續(xù)時間；匯入位置

" 中圖分類號：F50；U491.1" " 文獻標志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.24.016

Abstract： In order to study on-ramp vehicles’ merging characteristics at expressway entrance area under different traffic flow conditions， unmanned aerial video equipment is used to take merging data at expressway entrance areas at 200m altitude. Tracker software is used to extract vehicles’ trajectory and operation parameters. Lane change duration， lane change distance and merging position of on-ramp vehicles are analyzed as merging characteristic indexes. The results show that mean values of lane change duration and lane change distance of on-ramp vehicles are 6.96s and 80.17m， respectively. The mean values of lane change duration during peak and off-peak hours are 8.92s and 5.94s， respectively. The lane change time of different periods obeys the lognormal distribution. The merging location of on-ramp vehicles under different traffic flow conditions differ significantly. During off-peak period， most on-ramp vehicles merge evenly at the acceleration lane section， while during the peak period， on-ramp vehicles mainly merge at the front of the acceleration lane and the transition section.

Key words： expressway; on-ramp; lane-change duration; merging location

收稿日期：2024-05-12

基金項目：國家自然科學基金（51808370，51778242）；江蘇省高等學校自然科學研究項目（18KJB580015）；同濟大學道路與交通工程教育部重點實驗室開放基金資助（ZL3148）；蘇州科技大學?？蒲谢鹎嗄觏椖浚╔KQ201601）

作者簡介：葛" 婷（1987—），女，江蘇鎮(zhèn)江人，蘇州科技大學土木工程學院，講師，博士，研究方向：道路設計理論與方法、交通安全。

引文格式：葛婷，宗奕凈，華凱，等. 基于航拍視頻的快速路入口匝道車輛匯入特性研究[J]. 物流科技，2024，47（24）：78-82.

0" 引" 言

快速路入口區(qū)域是連接城市快速路與普通路網(wǎng)的關鍵部位。快速路入口區(qū)域匯入主線的換道行為屬于強制性換道行為，會對交通流和駕駛員行為造成干擾，對行車安全造成負面影響，是引起合流區(qū)交通事故以及擁堵問題的關鍵原因所在[1-3]。為緩解快速路入口區(qū)域的交通狀況，有必要對入口匝道車輛匯入特性展開系統(tǒng)研究。

近年來，諸多學者對車輛換道行為特征展開了系統(tǒng)研究。馬小龍等[4]對高速公路上小型車的換道時間、距離以及與周邊車輛的相對速度進行了分析。張策等[5]通過分析高速公路車輛換道行為特征參數(shù)，發(fā)現(xiàn)目標車道前車對本車換道影響最大，本車道前車和目標車道后車影響次之。Ma等[6]分析不同因素對高速公路車輛換道持續(xù)時間的影響，發(fā)現(xiàn)換道時間僅與自身行駛速度、與原車道前車的相對速度和與目標車道后車的相對速度有關。Li等[7]從生存分析角度對車輛換道時間進行了綜合分析。符鋅砂等[8]對高速公路上交通狀況以及車輛行駛速度對換道時間的影響進行研究，發(fā)現(xiàn)低密度交通流和低速行駛的車輛換道時間更長，不同交通流狀況下?lián)Q道時間均服從對數(shù)正態(tài)分布。Gu等[9]研究立交合流區(qū)域車輛換道的安全風險，發(fā)現(xiàn)車輛行駛速度和換道位置會影響換道風險。Yang等[10]基于自然駕駛數(shù)據(jù)提出了換道事件的自動提取算法，重點研究了換道可接受間隙、持續(xù)時間以及換道對后車影響這三個參數(shù)，為自動駕駛車輛提供參考。羅孝羚等[11]構建了智能網(wǎng)聯(lián)車環(huán)境下高速匝道匯入車流軌跡優(yōu)化模型，以提高車輛運行速度，減少匯入延誤和油耗。

上述關于換道行為和匯入特性的研究大多集中于高速公路以及快速路的基本路段，對出入口區(qū)域車輛換道的研究相對較少。為此，部分學者對特殊路段的換道行為展開了研究。Chu等[12]對名古屋市快速路入口匝道進行調研，分析了交通流狀態(tài)和合流區(qū)幾何構成對合流行為的影響。張?zhí)m芳等[13]基于自然駕駛實驗數(shù)據(jù)對快速路出口換道行為進行研究并建立換道風險概率模型。陳而越等[14]對快速路平行式加速車道中車輛換道特性進行研究，分析了加速車道車輛匯入行為對主線各車道的影響。陳永恒等[15]通過對快速路交織區(qū)范圍內(nèi)的車輛匯入行為進行聚類分析，將其分為前、中、末3類，研究不同類別匯入位置的分布特征。葉穎俊等[16]對高密度瓶頸交通流的匯入過程進行了研究，定義了一種新的匯入模式——主動-回應匯入，通過解析駕駛人的決策過程建立主動-回應匯入模型。溫惠英等[17]研究快速路合流區(qū)大型車換道特性，發(fā)現(xiàn)大型車換道持續(xù)時間和換道行駛距離均服從Weibull分布。

然而，匯入換道行為受交通流狀態(tài)變化影響，上述研究并未充分考慮不同交通流狀態(tài)對換道行為影響。交通流狀態(tài)變化會直接影響到入口區(qū)域匝道車輛的匯入行為，進而影響到渠口區(qū)的通行效率和行車安全，因此有必要對其展開系統(tǒng)研究。無人機航拍的高空視頻圖像數(shù)據(jù)可以獲取完整的快速路入口區(qū)域運行片段，直接追蹤和提取連續(xù)、真實的車輛軌跡[18-19]，從而得到廣泛應用。為此，本文采用無人機設備對快速路平行式入口匝道車輛匯入特性進行研究，基于入口匝道車輛換道持續(xù)時間以及匯入位置對不同交通流狀況下的車輛匯入特性展開分析。

1" 數(shù)據(jù)采集與處理

1.1" 研究地點

選取蘇州市友新立交自東向西方向的入口合流區(qū)作為調查地點。友新立交是蘇州市快速路重要交通樞紐，主線為雙向六車道，入口匝道為平行式，匝道在合流鼻端前為雙車道，在鼻端處變?yōu)閱诬嚨?，圖1為研究地點幾何構成。采用無人機在200m高空對入口區(qū)域通行車輛進行航拍，拍攝路段視野范圍約300m。拍攝選擇在天氣晴朗、無風時進行，拍攝時段為工作日的15：00—18：00，包含了平峰和高峰時段。

1.2" 數(shù)據(jù)獲取

使用Tracker軟件進行車輛識別和軌跡提取，以合流鼻端作為坐標原點，沿加速車道與主線外側車道的分界線作為坐標橫軸；以車輛引擎蓋中心點與路面的垂直點為數(shù)據(jù)讀取質點，讀取點與坐標橫軸的垂直距離為行駛軌跡值。現(xiàn)場拍攝畫面及坐標系如圖2所示。車輛識別準確性在90%以上。最終從航拍視頻中提取的數(shù)據(jù)包括每輛車的編號、時間、幀號、車輛行駛軌跡坐標、速度、車型、車道位置。Tracker軟件提取數(shù)據(jù)樣式如表1所示。

1.3" 換道起終點提取

為了分析入口匝道車輛的換道行為特性，需要確定匯入換道的起點與終點。大多數(shù)研究[4、13]將換道所需時間定義為車輛換道過程中發(fā)生連續(xù)橫向偏移所需要的時間。實際上，換道的過程復雜多變，本文采用提取連續(xù)橫向偏移所需時間的方法，并在此基礎上增加橫向位置的約束。即將車輛開始持續(xù)橫向偏移的時刻作為入口匝道車輛匯入換道起點，在外側車道結束持續(xù)橫向偏移時刻為入口匝道車輛匯入換道終點；將起終點位置均限制在距離兩側車道線二分之一車身的范圍內(nèi)作為匝道車輛匯入換道的橫向位置約束。

圖3是車輛從入口匝道進入加速車道尋找可插入間隙匯入主線的示例。起始點A所對應的時刻與結束點C對應的時刻之間的時間間隔為換道持續(xù)時間t，車輛在換道過程中的縱向位移為換道距離L，匯入點B對應的橫坐標即匯入車輛讀取質點觸碰到外側車道右側分界線時的位置為匯入位置。

根據(jù)現(xiàn)場采集的視頻數(shù)據(jù)資料，加以人工計數(shù)的方法，得到快速路入口區(qū)域各車道小時交通量，見表2。最終從采集的無人機航拍視頻中提取248條入口匝道匯入主線的換道行為數(shù)據(jù)，包括85條高峰時段換道數(shù)據(jù)和163條平峰時段換道數(shù)據(jù)。

2" 入口匝道車輛換道特性研究

2.1" 入口匝道車輛換道持續(xù)時間

對入口匝道車輛匯入主線的換道持續(xù)時間進行統(tǒng)計分析，統(tǒng)計結果見表3?？梢钥闯觯肟谠训儡囕v高峰時段匯入主線的換道持續(xù)時間的均值為8.92s，平峰時段匯入主線的換道持續(xù)時間的均值為5.94s。高峰時段換道匯入主線時長的均值比平峰時段長2.98s，這主要是由于高峰時段主線車流量大，交通擁堵，車輛行駛相對緩慢，匯入車輛需要等待合適可插入間隙完成整個匯入過程。

已有研究表明基本路段換道時間分布服從對數(shù)正態(tài)分布[20]。為了檢驗本研究中快速路入口匝道車輛匯入主線換道持續(xù)時間的分布形式，采用K-S檢驗法（Kolmogorov-Smirnov test）對入口匝道車輛換道持續(xù)時間做對數(shù)正態(tài)分布的擬合性檢驗，平峰和高峰時段換道持續(xù)時間對數(shù)正態(tài)分布的K-S檢驗結果如表4所示。

結果表明，兩組數(shù)據(jù)的顯著性（P值）均大于0.05，不能排除對數(shù)正態(tài)分布，接受假設，即兩種時段的換道時間均服從對數(shù)正態(tài)分布。

對數(shù)正態(tài)分布的密度函數(shù)如下。

[fxμ，σ=1xσ2π-lnx-μ22σ2]。 （1）

式中：μ為對數(shù)正態(tài)分布均值；σ為對數(shù)正態(tài)分布標準差，可由樣本均值和樣本方差求得：

[μ=lnEX-12lnvarxEX2]， （2）

[σ=ln1+varxEX2]。 （3）

兩種時段的計算結果如表5所示，換道時間頻率分布如圖4所示。

2.2" 匯入位置

調查時段內(nèi)的入口匝道車輛匯入主線的位置累積頻率如圖5所示。由圖5可知，不同時段內(nèi)入口匝道車輛匯入主線的位置存在明顯差異。平峰時段9%的車輛在入口匝道變?yōu)榧铀佘嚨赖奈恢弥苯訁R入，79%的車輛在距離合流鼻端50～160m處陸續(xù)匯入，12%的車輛選擇在漸變段匯入，整體分布比較平均。而在高峰時段車輛匯入位置集中在入口匝道變?yōu)榧铀佘嚨捞幒蜐u變段，分別占29%和40%，在加速車道上匯入的車輛僅占31%，遠小于平峰時段的79%。這說明在擁堵情況下，車輛在加速車道上不容易找到合適的間隙完成匯入，只能繼續(xù)前行在加速車道末端處聚集等待或強制匯入主線。

3" 結" 語

本文采用無人機航拍獲取快速路入口區(qū)域車輛匯入視頻，用Tracker軟件追蹤并提取不同交通流狀態(tài)下的快速路入口匝道車輛運行軌跡數(shù)據(jù)。平峰和高峰時段入口匝道車輛匯入主線的換道持續(xù)時間、換道距離以及匯入位置均有差異。

平峰時段入口匝道車輛匯入主線的換道持續(xù)時間的平均值為6.96s，高峰時段匯入主線的換道持續(xù)時間的平均值為8.92s；平峰時段匯入主線換道持續(xù)時間的均值為5.94s，高峰時段匯入主線換道持續(xù)時間的均值比平峰時段長2.98s，不同時段的合流匯入換道持續(xù)時間均服從對數(shù)正態(tài)分布。

不同交通流狀態(tài)下入口匝道車輛的匯入主線位置存在明顯差異，平峰時段入口匝道車輛匯入主線位置集中在距離鼻端20～100m處，且分布較為平均；高峰時段入口匝道車輛匯入主線位置集中于合流鼻端附近和漸變段。

受調查數(shù)據(jù)的限制，本文對車輛換道特性的分析不夠全面，且本研究僅限于平行式入口匝道車輛的匯入行為。下一步將擴充調查對象和調查樣本來增強結論的普適性；同時對不同快速路入口形式進行對比分析，進一步完善快速路入口區(qū)域車輛匯入特性研究，為后續(xù)快速路入口區(qū)域優(yōu)化設計及管理提供參考。

參考文獻：

[1]" CHEN Xiaoyun， LI Tienan， MA Zian， et al. Integrated mainline and ramp signal control for expressway on-ramp bottleneck with unequal lane-setting[J]. Journal of Intelligent Transportation Systems， 2022，26（1）：100-115.

[2]" LI Meng， LI Zibin， XU Chengcheng， et al. Short-term prediction of safety and operation impacts of lane changes in oscillations with empirical vehicle trajectories[J]. Accident Analysis and Prevention， 2020，135：1-12.

[3]" BELLETTI F， HAZIZA D， GOMES G， et al. Expert level control of ramp metering based on multi-task deep reinforcement learning [J]. IEEE Transactions on Intelligent Transportations Systems， 2018，19（4）：1-10.

[4]" 馬小龍，余強，劉建蓓，等. 基于無人機視頻拍攝的高速公路小型車換道行為特性[J]. 中國公路學報，2020，33（6）：95-105.

[5]nbsp; 張策，韓愈，劉凱文，等. 自然駕駛條件下駕駛員換道行為的識別與分析[J]. 重慶理工大學學報（自然科學版），2022，36（2）：52-59.

[6]" MA Xiaolong， LIU Jianbei， MA Yuanyuan. Analysis of the Influence factors of the lane change duration on expressway[C]//20th COTA conference International Conference of Transportation Professionals， 2020.

[7]" LI Yang， LI Linbo， NI Daiheng， et al. Comprehensive survival analysis of lane-changing duration[J]. Measurement， 2021， 182：1-15.

[8]" 符鋅砂，胡嘉誠，何石堅. 基于交通狀況及行駛速度的高速公路換道時間研究[J]. 公路交通科技，2020，37（4）：133-139.

[9]" GU Xin， ABDEL-ATY M， XIANG Qiaojun， et al. Utilizing UAV video data for in-depth analysis of drivers’ crash risk at interchange merging areas[J]. Accident Analysis and Prevention， 2019，123：159-169.

[10] YANG Minming， WANG Xuesong， QUDDUS M， et al. Examining lane change gap acceptance， duration and impact using naturalistic driving data[J]. Transportation Research Part C： Emerging Technologies， 2019，104：317-331.

[11] 羅孝羚，蔣陽升. 智能網(wǎng)聯(lián)車環(huán)境下高速匝道匯入車流軌跡優(yōu)化模型[J]. 交通運輸系統(tǒng)工程與信息，2019，19（4）：94-100.

[12] CHU T D， NAKAMURA H， CHEN Peng， et al. Quantifying effects of acceleration lane lengths and traffic conditions on merging maneuvers at urban expressway entrances [C]// Proceedings of Eastern Asia Society for Transportation Studies， Taipei， 2013，9：1-13.

[13] 張?zhí)m芳，錢殷慧，陸薇，等. 考慮換道風險影響的城市快速路出口影響區(qū)車道管理[J]. 同濟大學學報（自然科學版），2020，48（11）：1579-1587.

[14] 陳而越，陳金山，郭建鋼，等. 基于行駛軌跡的合流區(qū)車輛換道特性研究[J]. 哈爾濱商業(yè)大學學報（自然科學版），2020，36（2）：231-237.

[15] 陳永恒，熊帥，白喬文，等. 快速路入口匝道車輛匯入位置的分布特征分析[J]. 華南理工大學學報（自然科學版），2018，46（11）：125-131.

[16] 葉穎俊，倪穎，孫劍. 高密度瓶頸交通流主動-回應匯入行為定義與建模[J]. 中國公路學報，2022，35（8）：278-290.

[17] 溫惠英，李秋靈，趙勝. 快速路合流區(qū)大型車換道時空特征及風險研究[J]. 華南理工大學學報（自然科學版），2022，50（5）：11-21.

[18] 張高峰，劉小明，尚彥宇，等. 基于高空視頻圖像的山地城市信號交叉口到達車輛運行特征分析[J]. 交通信息與安全，2022，40（4）：110-127.

[19] 馮汝怡，李志斌，吳啟范，等. 航拍視頻車輛檢測目標關聯(lián)與時空軌跡匹配[J]. 交通信息與安全，2021，39（2）：61-69，77.

[20] 王雪松，楊敏明. 基于自然駕駛數(shù)據(jù)的變道切入行為分析[J]. 同濟大學學報（自然科學版），2018，46（8）：1057-1063.